viés algorítmico

Forças policiais brasileiras têm sido equipadas com tecnologias de segurança que incluem câmeras corporais, sistemas biométricos e algoritmos preditivos. Gestores públicos justificam os investimentos nesse setor alegando ganhos de eficiência, transparência e accountability. No entanto, movimentos sociais e pesquisadores da área de segurança pública argumentam que muitos dos sistemas implementados falham em aprimorar a atividade policial. Multiplicam-se denúncias de que erros na identificação de suspeitos e vieses na definição de áreas prioritárias de patrulhamento ampliam padrões de violência estrutural e automatizam mecanismos de exclusão. Este artigo busca mapear o uso da “falha” enquanto dispositivo de crítica e resistência às novas tecnologias de segurança, refletindo sobre suas consequências analíticas e políticas. Em que pesem as contribuições para os debates sobre discriminação algorítmica, o artigo indica que muitas das críticas têm sido incorporadas por desenvolvedores em processos de otimização de seus sistemas. Desse modo, as denúncias podem operar, paradoxalmente, enquanto motor da inovação, legitimando a disseminação de ferramentas punitivas. Mais do que uma demanda por precisão e eliminação de vieses, a crítica a partir da falha deve funcionar como uma forma de explicitar os múltiplos atores e interesses inerentes ao processo de desenvolvimento tecnocientífico. Para isso, é preciso, contudo, repolitizar a falha.

Leia o artigo de Daniel Edler Duarte em https://www.scielo.br/j/rbcsoc/a/B5H75MfBrYk6PHYWfT7VsNv/?format=pdf&lang=pt

O estudo busca identificar as dualidades entre o uso da inteligência artificial (IA) na educação e os riscos de vieses algorítmicos. A pesquisa se insere como qualitativa e uma revisão sistemática de literatura com apoio bibliométrico. A hipótese levantada é de que os vieses algorítmicos na educação podem comprometer a equidade e a eficácia dos processos educativos. Os vieses foram apontados desde a codificação dos algoritmos até o processamento automatizado, o que pode impactar o desempenho dos alunos e ampliar as desigualdades. Medidas sugeridas para mitigação incluem os cuidados nas fases de treinamento e implementação dos algoritmos, desenvolvimento de práticas de reparação algorítmica, supervisão das plataformas e a necessidade de tecnologias justas e confiáveis. Como resposta à hipótese, conclui-se que a eficácia da IA na educação depende de um treinamento contínuo e inclusivo dos algoritmos e da conscientização de seus usuários sobre os riscos dos vieses algorítmicos, de forma que os sistemas possam ser aperfeiçoados para evitar a reprodução de injustiças sociais. Recomenda-se uma abordagem ética e colaborativa para garantir que a IA contribua para uma educação mais justa. A interação entre os alunos e a IA pode suscitar uma reflexão crítica sobre os feedbacks recebidos, pois eles precisam saber identificar se os resultados são confiáveis, atualizados e não tendenciosos, uma vez que a IA pode demorar a incorporar novos dados de treinamento nos algoritmos.

Leia o artigo de João Marcos Heggler e outros em https://www.scielo.br/j/es/a/qrTryFvZR9Y9WsRpG5fWGHB/?format=pdf&lang=pt

O estudo busca identificar as dualidades entre o uso da inteligência artificial (IA) na educação e os riscos de vieses algorítmicos. A pesquisa se insere como qualitativa e uma revisão sistemática de literatura com apoio bibliométrico. A coleta de dados ocorreu nas bases Scopus, Web of Science e ScienceDirect, e ao final foram selecionados 16 artigos para análise e interpretação. A hipótese levantada é de que os vieses algorítmicos na educação podem comprometer a equidade e a eficácia dos processos educativos. Os vieses foram apontados desde a codificação dos algoritmos até o processamento automatizado, o que pode impactar o desempenho dos alunos e ampliar as desigualdades. Medidas sugeridas para mitigação incluem os cuidados nas fases de treinamento e implementação dos algoritmos, desenvolvimento de práticas de reparação algorítmica, supervisão das plataformas e a necessidade de tecnologias justas e confiáveis. Como resposta à hipótese, conclui-se que a eficácia da IA na educação depende de um treinamento contínuo e inclusivo dos algoritmos e da conscientização de seus usuários sobre os riscos dos vieses algorítmicos, de forma que os sistemas possam ser aperfeiçoados para evitar a reprodução de injustiças sociais. Recomenda-se uma abordagem ética e colaborativa para garantir que a IA contribua para uma educação mais justa. A interação entre os alunos e a IA pode suscitar uma reflexão crítica sobre os feedbacks recebidos, pois eles precisam saber identificar se os resultados são confiáveis, atualizados e não tendenciosos, uma vez que a IA pode demorar a incorporar novos dados de treinamento nos algoritmos.

Leia o artigo de João Marcos Heggler e outros em https://www.scielo.br/j/es/a/qrTryFvZR9Y9WsRpG5fWGHB/?format=pdf&lang=pt